On Consistency of Signature Using Lasso
使用 Lasso 的路径签名方法的一致性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究时间序列的路径签名特征与 Lasso，并将期权价格学习列为应用，支持时间序列和资产定价分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
使用 Lasso 的路径签名方法的一致性
- 研究问题
- 将路径签名作为时间序列的非线性特征时，Lasso 在什么条件下具有一致性，过程性质如何影响不同签名形式的适用性？
- 方法与思路
- 作者结合理论与数值分析研究签名回归的一致性，比较 Itô 和 Stratonovich 签名，并考察非线性函数学习与期权价格学习。
- 材料陈述的贡献
- 摘要称建立了渐近及有限样本一致性的条件，并发现签名选择的表现与布朗运动相似程度、维度间相关性及均值回归性质有关。
- 阅读关注点
- 应核对一致性的具体定义、签名截断与惩罚参数设定，以及两类签名比较的条件；区分期权价格学习中的模拟与真实数据证据。
- 阅读边界
- 依据 arXiv 预印本摘要，同行评审及期刊接收未经核实；摘要未列出一致性条件或误差数值，不能据此确定通用的签名选择规则。
原文摘要
Signatures are iterated path integrals of continuous and discrete-time processes, and their universal nonlinearity linearizes the problem of feature selection in time series data analysis. This paper studies the consistency of signature using Lasso regression, both theoretically and numerically. We establish conditions under which the Lasso regression is consistent both asymptotically and in finite sample. Furthermore, we show that the Lasso regression is more consistent with the Itô signature for time series and processes that are closer to the Brownian motion and with weaker inter-dimensional correlations, while it is more consistent with the Stratonovich signature for mean-reverting time series and processes. We demonstrate that signature can be applied to learn nonlinear functions and option prices with high accuracy, and the performance depends on properties of the underlying process and the choice of the signature.